今天重點: 人工智能尖端技術 : 應用
• 昨天下午，我與華師(scaacpa)就人工智能調查進行了跟進，討論了調查問卷：我突然意識到，利用人工智能技術有{太多的無知}和{巨大的機會} ：例如：所有那些由賬戶完成的文書工作，都可以簡化、分析並很快產生財務報告：而且更有趣的早上討論：使用人工智能，來準備當前大多數上市公司面臨的[半年度股東報告}：確實，多年使用的(1)所有語言和(2)格式：沒有太大變化，框架沒有改變，除了數據，修正數據對持股影響的解釋。 人工智能可以解決這個問題。 毫無疑問，美國的一些頂級公司已經開始人工智能: 股東報告、年度報告。
• 但是今天，我們關注的是人工智能正在產生最大影響的領域。
人工智能尖端技術的領域 : 製造業 (Manufacturing)
• 傳統上，製造業採用新的技術速度慢，從操作環境中積累的數據，帶來的無數挑戰。 數據終於“喚醒”了他們運營的[微差別]和[基本面]。
• 加上 COVID-19 之後供應鏈的崩潰，製造業感受到了無限競爭壓力。
• 根據 Gartner 最近報告，36% 的重型製造商 CIO 在報告，近期出現中斷，運營成本競爭力已經落後。 在埃森哲(Accenture)的另一評估，95% 的高管認為行業面臨著適度的顛覆——21% 的高管證明他們的行業“徹底”顛覆。
• 簡而言之，經濟學家預測，到 2025 年，人工智能在製造業的支出達到 110 億美元。鑑於這種情況: 我們觀察以人工智能，區分事實的捷徑或“經驗法則” 。
人工智能製造業的採用
人工智能在以下領域產生了重大影響：
1. 預測性維護的洞察力 (Predictive Maintenance Insights)
2. 提高質量和產量的洞察力 (Improving Quality and Throughput Insights)
3. 庫存預測的洞察力 (Inventory Prediction)
1. 預測性維護的洞察力 (Predictive Maintenance Insights) 預測性維護
• 所有製造業務的敵人都是故障，或重工業中所說的“意外停機”: 無論是機器損壞、供應延遲、人員問題還是任何形式的工廠相關問題。(一個例子：最近作為地鐵的乘客，我們沒有像之前{地鐵信號故障，突然停止}那樣受苦：這是作者的一個小貢獻：能夠預測。 有一天我會分享數據預測的美麗。這工程師也是我最欽佩的自學者：他的自學知識超過了那些擁有博士位。但我確實需要徵得他的同意。當我們討論工程問題時，我們就像玩耍的孩子：因為我不是工程：但我們一起解決了一些最重要和最困難的問題。 這就是自學美妙之處。 在 AI 中，我們應用的思考，也沒有邊界和限制，
明天我們將繼續討論: 提高質量和產量洞察力等等； 隨著人工智能加快其影響，我們將研究不同行業，尤其是[供應鏈]中發生情況。 我們將一起走過這段旅程：互相學習； 享受可以並且使人工智能受益不同行業[分支]的道路。
([email protected] <mailto:[email protected]> ).
